Il computer più potente ed efficiente che ci sia non si trova nei meandri di IBM, Google, Facebook o un ente governativo, ma è accessibile a tutti. Questo perché il miglior computer del mondo è il cervello umano. Il cervello ha un consumo di appena 20 watt di potenza, ma è in grado di progettare altre reti di computer, creare nuovi linguaggi e comprendere e manipolare cose che non può vedere.
Cos'è il calcolo neuromorfico
I nostri computer e processori basati su hardware non sono in grado di gestire i carichi di elaborazione del cervello umano. L'obiettivo di molti programmatori, produttori di hardware e data center è cambiare questa situazione. Il calcolo neuromorfico unisce la biologia, l'ingegneria elettrica, l'informatica e le tecnologie matematiche per creare sistemi neurali artificiali in grado di rilevare ed elaborare carichi simili, per capacità, al cervello umano e al sistema nervoso.
Gli albori dell'ingegneria neuromorfica
Il termine "ingegneria neuromorfica" è stato coniato negli anni '80 da Carver Mead, che ha dedicato oltre 40 anni allo sviluppo di sistemi di analisi volti a imitare i sensi umani e i meccanismi di elaborazione del nostro corpo, come il tatto, la vista, l'udito e il pensiero. Il calcolo neuromorfico è una branca dell'ingegneria neuromorfica che si concentra principalmente sul pensiero e sull'elaborazione nei sistemi che imitano il comportamento umano. Sebbene siano in molti a non aver mai sentito parlare di calcolo neuromorfico, gli stessi sistemi e teorie vengono utilizzati da una tecnologia già ampiamente nota e diffusa: l'intelligenza artificiale (IA).
Gli obiettivi dell'intelligenza artificiale
Sebbene vi siano centinaia di interpretazioni, branche e teorie che definiscono la vera intelligenza artificiale, il suo obiettivo è riprodurre le funzionalità del comportamento, del pensiero e delle attività umane in generale. È quindi naturale che l'intelligenza artificiale e il calcolo neuromorfico siano sinonimi sotto vari aspetti, poiché entrambi cercano di replicare e persino superare l'intelligenza umana. In un certo senso, il concetto di intelligenza artificiale comprende sia il calcolo neuromorfico che l'ingegneria neuromorfica, oltre ad abbracciare molti altri aspetti tecnologici, incluse attività ad alta precisione come il rilevamento delle incongruenze nei processi di produzione.
Allo stato attuale della tecnologia, il calcolo neuromorfico e l'intelligenza artificiale sono limitati dalle capacità dell'hardware in cui risiedono questi sistemi. Nonostante la spinta della legge di Moore, dal punto di vista del carico computazionale queste tecnologie hardware non si avvicinano neanche lontanamente alle capacità del cervello umano, per non parlare dell'efficienza energetica. Anche se ben lontani dall'essere simili all'uomo, questi sistemi computazionali hanno fatto passi da gigante nell'ultimo decennio e senza dubbio continueranno a sostenere gli obiettivi del settore del calcolo neuromorfico.
Hardware IA e chip neuromorfici
Un perfetto chip neuromorfico, con un modello identico al cervello umano, potrebbe essere percepito come un obiettivo irrealizzabile. Il silicio non è materia grigia e la struttura computazionale delle macchine è fondamentalmente diversa da quella dell'essere umano, ma gli informatici che lavorano sulla tecnologia neuromorfica possono imparare molto dal cervello umano e dalla biologia alla sua base. Le scoperte relative al calcolo neuromorfico hanno fortemente influito su molte architetture di chip, sia dal punto di vista del software che dell'hardware, e questo ha portato a nuove versioni delle architetture in silicio progettate per ottenere capacità di calcolo di livello neuronale. Le tecnologie dei chip più diffuse, come FPGA e ASIC, sono state continuamente ottimizzate da strategie di calcolo neuromorfico e sono state persino utilizzate per carichi di lavoro di intelligenza artificiale.
Inizialmente, l'unità di elaborazione grafica (GPU) era stata progettata per i carichi di elaborazione grafica, ma vista la capacità di carico in parallelo è passata rapidamente all'impiego nello sviluppo di algoritmi di intelligenza artificiale rispetto alla tecnologia CPU più diffusa. Le GPU sono diventate sempre più potenti e vengono spesso utilizzate come acceleratori di rete neurale dedicati per gestire i carichi di lavoro dell'intelligenza artificiale. NVIDIA, azienda leader riconosciuta nello sviluppo di tecnologie GPU all'avanguardia, ha creato dispositivi di edge computing dedicati, come NVIDIA Jetson Xavier Developer Kit, per l'esecuzione di carichi di lavoro di intelligenza artificiale per dispositivi quali robot autonomi e sistemi di sicurezza basati sul riconoscimento facciale.
Nel software di intelligenza artificiale la matematica ha un ruolo molto importante nell'esecuzione dei programmi di IA. Un oggetto matematico spesso utilizzato in questi processi è il tensore. Si tratta di una matrice multidimensionale che è possibile ridimensionare e modificare in funzione del programma di intelligenza artificiale. Senza approfondire eccessivamente la teoria alla base della struttura dei programmi e degli algoritmi di intelligenza artificiale, basti sapere che la matematica tensoriale è fondamentale per l'intelligenza artificiale moderna. È talmente essenziale che Google ha creato una TPU (Tensor Processing Unit) propria: un chip progettato specificamente per la gestione dei carichi di calcolo tensoriale. Anche se la tecnologia TPU viene utilizzata principalmente nei suoi data center, Google ha creato anche i prodotti Google Coral, in grado di sviluppare programmi a elevata intensità tensoriale.
Intel Labs, la divisione dedicata alla ricerca della celebre azienda produttrice di CPU, ha creato Loihi: un chip basato sulla ricerca neuromorfica progettato specificamente per ricreare e simulare su scala ridotta la struttura neurale della materia grigia. Il chip Loihi contiene circa 130.000 "neuroni" di silicio collegati e si pone come fondamento della prossima generazione di hardware IA. Intel Labs ha creato, ad esempio, un dispositivo denominato Pohoiki Beach, che combinava 64 chip Loihi per creare una rete di 8 milioni di neuroni. Lo sviluppo di un simile programma di rete neurale per l'esecuzione su questo dispositivo non è un'impresa da poco e Intel Labs continua a ottimizzare il funzionamento dei programmi. Nel 2020, Intel intende combinare fino a 100.000 chip Loihi per formare un computer neuromorfico da 100 milioni di neuroni, che, una volta pronto, potrebbe essere il computer più potente di tutti.
Il futuro del calcolo neuromorfico
Anche se si tratta di una branca dell'informatica ancora molto giovane, il calcolo neuromorfico deve ancora realizzare tutte le sue potenzialità e, come minimo, promette di diventare un potente metodo di sviluppo di hardware futuristici e software di intelligenza artificiale rivoluzionari. Se la tecnologia dovesse dimostrarsi un successo all'altezza delle aspettative, il calcolo neuromorfico potrebbe finalmente svelare i segreti della coscienza e rappresentare l'ultima invenzione creata dall'uomo. Paradossalmente, questa tecnologia potrebbe influire sulla ricerca sul cervello umano e consentire una simulazione più accurata della materia grigia che ha progettato il mondo. Potrebbe creare algoritmi più intelligenti e improntati al buon senso in grado di eseguire le attività quotidiane in modo più efficiente degli umani. In futuro, il calcolo neuromorfico potrebbe essere la risposta per le auto a guida autonoma e le macchine autonome.